ỨNG DỤNG kỹ THUẬT kết hợp tần số NHẰM NÂNG CAO CHẤT LƯỢNG ẢNH SIÊU âm cắt lớp

60 150 0
ỨNG DỤNG kỹ THUẬT kết hợp tần số NHẰM NÂNG CAO CHẤT LƯỢNG ẢNH SIÊU âm cắt lớp

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Ọ TR ỜN N ÀM Ứ N ỜNG ỨNG DỤNG KỸ THUẬT KẾT HỢP TẦN SỐ NHẰM NÂNG CAO CHẤT L ỢNG ẢNH SIÊU ÂM CẮT LỚP : Công Nghệ iện Tử - Viễn Thông y : Kỹ thuật iện tử Mã số: 60 52 70 LUẬN V N T S N ÀN N NT – 2013 -V NT N LỜ N ẦU i tti i t t kéo theo hệ lụy ôi t ường bị h y ho i, nhi u lo i bệnh m i nguy hi x ất hiện, t t số ệ t iệ t ươ i ất y i i u trị ữ ươ t mặ t t ươ t ặ t t ti t t x ti y - ầ -Mode v chất ầ t ụ t t – – i i t i ọ i ti khôi phục nh Các k t qu tốt i y t it i i ư t i ô t ầ t ư ươ ậ ệ i t t ặ y i ươ i y ụ c s tốt x ặ ặt iư t ố y ươ i chất ng nh v i i ối t i t ị ụ iệ t y ầ tti ươ ã i i i y i t it t tốt tố y x ất ươ t ươ ất iệ i tụ y t ươ ụ tần số xuất cho k t qu LỜ ậ y t d n nhiệt tình t ầy v i t t i t ô iệ K ôi iệ ã ữ ửi ời – iễ ô i t t ầy ữ i , c làm việc thầy, i t y t ầy ô i ọ ô ậ t ậ T ườ ậ x t ỉ ầ t xi N iệ i ôi ẢM y t ệ i ọ 18 i ố i s hỗ tr m t phần từ tài cấ ườ (CN.13.08) ối t i ữ iệ t t ch xi ửi ời ọ tậ ô ô i i i i t ậ ữ ười ã t y LỜ M O N ôi xi ậ y n ph m c a trinh nghiên c u, tìm hi u c i s ng d n b o c a thầy t ầy ô t môn, khoa b ôi ô t i iệu hay cơng trình nghiên c u c ười làm luận N u vi ph m, xin chịu trách nhiệm ường MỤ LỤ Ầ U 1.1 T 1.2 T Ề NH Y SINH 16 2: 17 2.1 LẶP VI PHÂN BORN (DBIM) 17 2.2 B 19 2.3 CHỈ S PH QUÁT CHO CHẤ NG NH 21 3: 3.1 Ề 3.2 T Ề Ấ 4: Ấ 24 .24 Ị 25 31 41 42 PH L C 1: CODE MATLAB DBIM 44 PH L C 2: CODE MATLAB DBI Ề XUẤT 51 N MỤ U VÀ n V ẾT TẮT n BIM Born Iterative Method/ ươ ặp Born DBIM Distorted Born Iterative Method/ pháp Lặp vi phân Born ố y ố yt mm N t t ố ô tô ix t ix i ọ / ⃑ m/s ậ tố t y t ôi t ườ ⃑ m/s ậ tố t y t ối tư ⃑ ụ ti ⃑ ⃑ ⃑ Pa t i t Pa iệ t Pa iệ t rad/m ố iệ t i x ươ - N MỤ ẢN 1: i ố i từ i tị x t ố ặ .26 2: i ố i từ i tị x t ố ặ .27 3: i ố i từ i tị x t ố ặ .28 4: i ố i từ i tị x t ố ặ .29 1: i ố err th c f1 từ ặ 22 31 2: i ố err th c f2 từ ặ 22 31 3: i ố err th c k t h p tần số DF - DBIM (N = 22) .32 4: ố Q th c f1 từ ặ 22 32 5: ố Q th c f2 từ ặ 22 32 6: ố Q th c DF - DBIM (N = 22) 32 N MỤ N V Hình 1.1: Minh họa nguyên lý máy CT Hình 1.2: Moment từ Hình 1.3: máy MRI 14 nguyên lý siêu âm 13 1: ấ ệ 17 1: i ố c lặp (máy phát = 44, máy thu = 22) 26 2: i ố c lặp (máy phát = 15, máy thu = 7) 27 3: i ố c lặp (máy phát = 22, máy thu = 11) 28 4: i ố c lặp (máy phát = 27, máy thu = 14) 29 1: ụ ti tưở (N = 22) 31 2: t ôi ụ ặ t 22 33 3: t ôi ụ ặ t 22 34 4: t ôi ụ ặ t 22 35 5: t ôi ụ ặ t (N = 22) 36 6: t ôi ụ ặ t 22 37 7: t ôi ụ ặ t 22 38 8: t ị 9: Mặt c t thẳ – i 22 39 t t a hàm mục tiêu khôi phục 39 N 1.1 T n q Ớ T U n ảnh y sinh i ươ ệ i i ụ ụ t (magnetic resonance imaging), Siêu âm (ultrasound) y ụ t ưở từ 1.1.1 Chụp cắt lớp CT CT từ vi t t t c t y y c t o từ hai từ ti ng Hy L : t ĩ t i ng graphy mô t Vậy có th hi u CT “ ụp nh lát c t b t t ” t o hình “x y ” th bệnh nhân CT có tên gọi khác CAT (Computed axial tomography) S lược nguyên lý: B ã i ụp X-quang ? ỹ thuật viên b t b ng m t máy phát tia X m t phim Sau chụp b n s thấy phim k t qu có nhữ ậm nh t khác mô t t t b n Tia X có b n chất giống v i ánh sáng b n thấy hàng ngày – iện từ ư c sóng nhỏ ng l n nên có kh x y ất m i ti i ơt b n, s bị t t hấp thụ m t phầ ng tia X gi m tuân t ịnh luật Beer : I= : ng tia ú exp(-μx ầu sau μ : ệ số suy gi m n tính c a vật liệ ng tia X c a vật chất x: ã ườ ti (1.1) ặ tư y i m i ấp thụ tia X khác Vì ti i i khỏi t s gồm ti ng khác nhau, m t ng lên phim khác nên phim s có vùng sáng tối mơ t t t b n ti i i m khác biệt ph c t -quang t ô t ường M t ti c sử dụn “ t” t b n Ở phía bên i t y ặt m t tấ i ười ta dùng máy thu (Máy thu ghi l i tín hiệu Tia X máy thu s quay xung quanh b ỹ o quay v n n m m t mặt phẳ lấy liệu v lát c t Toàn b liệu gọi liệu thô (raw data) Chúng ta không th hi c liệu Vì ph i dùng t i ươ t ọ bi i liệu thơ thành hình nh Các thuật tốn t ường dùng bi i : filtered back-projection (v i b lọc Laks hay Sheep-Logan) expectation-maximization (EM) Các nh tái t o x ười ta t ường dùng số HU (Hounsfield unit) hay gọi số bi u thị m c xám c a nh CT Hình 1.1: Minh họa nguyên lý máy CT Việc bi i liệu thơ thành hình ĩ i việc gi i nhi u ươ t c t p, cần máy tính m nh Vào thời i 1974 y t ư y iờ nên ta có th hi u thi t bị ầu tiên c a Hounsfield vài lấy thông tin thô lát c t i y tái t o thành hình nh Hiện máy CT hiệ i có th lấy thơng tin thơ 256 lát c t m t lúc,kho ng cách lát cát vào kho ng 1mm i y tái t o hình nh có kích t 1024x1024 ix 2007 ã i ã gi i thiệu m t th hệ CT 320 lát c t Các máy CT có kh t ồng thời nhi u lát c t c gọi MS-CT (multi-slice CT) Hiện hầu h t y u có phần m m tái t o hình nh 3D từ slice Các phần m m cho phép bác sỹ “ ” t t theo ng, có th c t l i nhi ng khác đ ểm n ược đ ểm: c sử dụng r ng rãi cho hình nh s t tươ n cao, nhanh Nhờ phần m m, có th sử dụng liệu m t cách linh ho t i ô y ụp X quang b n c m giác chụp CT B n có th c m thấy ịu ph i n m m t vòng l n không ph i n m lâu Mỗi ca chụp t ô t ường tốn kho ng vài phút Trong m t số t ường h ụp khối u, m … n ph i tiêm thêm chất KẾT LUẬN ậ y ãt t ô t iệ ất sử dụng k t h p tần số f1 f2 x ất ất tốt Tác gi ãt t ươ ôi t y c số c lặp ụ ụ t i ươ t ố i f1 cho việc k t h p f1 f2 cho chất ng tốt i c tham số chất ư c trình bày phần 2.3 Từ t luận c nh tái t o việc sử dụng k t h p tần số f1 f2, cho k t qu mặt sai số tốn học thơng dụng hay có xét c u tốt ô y ụ VHS (visual human system) i sử dụng m t tần số ậy iệ t n vấ i t iệ t i iệ ngành chu ụ k t h p tần số t iệ ụ t ĩ x ất t y iệ c Y – Si t i 41 ữ i t iệ ất ư t ti ữ iệ t ã x ất t t TÀ L UT M W i ” 217, July 1984 ti ẢO “ t i t of digital ultrasonic i 31 195– [2] N Duric, P Littrup, A Babkin, D Chambers, S Azevedo, A Kalinin, R.Pevzner, t y ti i : 5, pp 1375–1386, May 2005 “Development of ultrasound t” i yi 32 i [3] J.-W Jeong, T.i i i Z i “ t tissue differentiation using multiband signatures of high resolution ul-trasonic t i i t y” 399–408, March 2005 ti i i 24 [4] S A Johnson, T Abbott, R Bell, M Berggren, D Borup, D Robinson, J Wiskin, S Olsen, and B “ i i t ti -terization using t tt ti ” i ti i 28 2007 147–154 [5 i i “ ti i i t i i t -sound: Reconstructing tissue param t tt ti ” i t ti Conference on BioMedical Engineering and Informatics, vol 2, 2008, pp 708–712 [6] R J Lavarello and M L Oelze: Tomographic Reconstruction of ThreeDimensional Volumes Using the Distorted Born Iterative Method IEEE Transactions on Medical Imaging, 28, 2009, pp 1643-1653 [7] Lavarello Robert: New Developments on Quantitative Imaging Using Ultrasonic Waves University of Illinois at Urbana-Champaign, 2009 [8] http://en.wikipedia.org/wiki/Nonlinear_conjugate_gradient_method [9] M T Heath, Scientific Computing: An Introductory Survey New York, NY: McGraw-Hill, 2002 [10] Martin, R., Noise power spectral density estimation based on optimal smoothing and minimum statistics, IEEE Transactions on Speech and Audio Processing, Vol 9, 2001, pp 504 - 512 [11] http://www-stat.stanford.edu/~susan/courses/s60/split/node60.html [12] Tran Duc Tan, N Linh-Trung, M L Oelze, M N Do, Application of L1 regularization for high-quality reconstruction of ultrasound tomography, International Federation for Medical and Biological Engineering (IFMBE), NXB SPRINGER, ISSN: 1680-0737, Volume 40, 2013, pp 309-312 42 [13] Tran Duc Tan, Nguyen Linh-Trung, Minh N Do, Modified Distorted Born Iterative Method for Ultrasound Tomography by Random Sampling, The 12th International Symposium on Communications and Information Technologies (ISCIT 2012), Australia, 2012, pp 1065-1068 [14] Tran Duc Tan, Automated Regularization Parameter Selection in Born Iterative Method for Ultrasound Tomography, Vietnam Conference on Control and Automation (VCCA-2011), ISBN 978-604-911-020-7, 2011, pp.786-791 [15] Tran Duc Tan, Gian Quoc Anh, Improvement of Distorted Born Iterative Method for Reconstructing of Sound Speed, Vietnam Conference on Control and Automation (VCCA-2011), ISBN 978-604-911-020-7, 2011, pp.798-803 [16] Zhou Wang, Student Member : A Universal Image Quality Index, IEEE Signal Processing Letters, Vol 9, No 3, March 2002 43 PHỤ LỤC 1: CODE MATLAB DBIM t t c sai số c a phép khôi phụ so sánh nh t c v i vật th ta cần có m t giá trị tham chi u c a thí nghiệp gọi hàm mục tiêu lý tưởng Hàm có th c t o ươ t 21 ậy ta có th t o hàm mục ti tưởng cho vật th hình trụ v i tần số : Hàm mục ê l ưởng SC=zeros(N,N); xo=(N+1)/2;yo=(N+1)/2; for m=1:N for n=1:N dis=sqrt((xo-m)^2+(yo-n)^2); if dis>3.5355*N/10 SC(m,n)=0; else SC(m,n)=(2*pi*f0)^2*(1/(c1^2)-1/(co^2));%da doi f f0 end; end; end; i ã ụ ti tưởng ta t o cấu hình hệ máy phát máy thu xung quanh vật th : i việc bố trí L=N*N; phi=linspace(-pi,pi,L); No=10*N; % at first N=11, No can be changed when changing N % however it is affected to distance from tranceivers to object % because distance=No*h= constant K2=cos(phi)*(No+.5)+x0(2); K1=sin(phi)*(1.5*No-.5) + x0(1); KK2=K2;KK1=K1; %noise_flag: option 0: noise init, 2: no noise noise_flag=0; transmiter=1:N:L;%may phat co the thay doi duoc detector=1:2*N:L;%may thu co the thay doi duoc plot(KK2(detector),KK1(detector),'s') hold on plot(K2(transmiter),K1(transmiter),'r*') hold on; mesh(abs(SC)) legend('detector','transmiter','scatter area') ậy t ã thuật toán 1: Lặ i ph i tính sau: ụ ti vi t tưởng cần khôi phục m t hệ ươ t t t t ầu tiên ̅, ̅ , ̅ ̅ tươ ̅ ụ 44 26 7) ụng Tính tín hiệu c a sóng t i p inc r  J k 0 r  rk  vi t Matlab ta có pix=[]; k=1:N; for i=1:N pix=[pix;k]; end; PINC=[]; for l=transmiter pinc=besselj(0,ko*h*sqrt((K1(l)-pix').^2+(K2(l)-pix).^2)); %pinc=besselj(0,4.1e3*h*sqrt((K1(l)-pix').^2+(K2(l)-pix).^2)); PINC=[PINC ; pinc]; end; save PINC_2D_matrix PINC Tín hiệu ̅ th c t có th c b ng cách lấy hiệu số c a tín hiệu t i yt i ối tư i ối tư ng Còn mơ ̅ l i có th tính b ươ t dụng hàm mụ ti tưở ậy theo ươ t t h i tính hai ma trận B C, ma trận B C tính ma trận hệ số c a hàm Green từ pixel t i máy thu hệ số Green pixel: calculate_B_matrix_DBIM: BB=[]; ko_SC=sqrt(ko*ko+abs(SC)); % matrix ko_SC1=sqrt(ko*ko+abs(SC1)); % matrix BB_SC=[];BB_SC1=[]; for l=detector B=-.25*j*h*h*besselj(0,ko*h*sqrt((KK1(l)-pix').^2+(KK2(l)-pix).^2));% no update B_SC=-.25*j*h*h*besselj(0,ko_SC.*h*sqrt((KK1(l)-pix').^2+(KK2(l)pix).^2)); B_SC1=-.25*j*h*h*besselj(0,ko_SC1.*h*sqrt((KK1(l)-pix').^2+(KK2(l)pix).^2)); BB=[BB ; B]; BB_SC=[BB_SC ; B_SC];BB_SC1=[BB_SC1 ; B_SC1]; end; calculate_C_matrix_DBIM: CC=[]; CC_SC=[];CC_SC1=[]; for l1=1:N for l2=1:N C=-.25*j*h*h*besselj(0,ko*h*sqrt((l1-pix').^2+(l2-pix).^2)); %no update C_SC =-.25*j*h*h*besselj(0,ko_SC.*h*sqrt((l1-pix').^2+(l2-pix).^2)); 45 C_SC1=-.25*j*h*h*besselj(0,ko_SC1.*h*sqrt((l1-pix').^2+(l2-pix).^2)); CC=[CC ; C]; CC_SC=[CC_SC ; C_SC];CC_SC1=[CC_SC1 ; C_SC1]; end; end; i ãt ững tham số i t ị ti tính t tươ i ụ 9) Việc tính ̅ ụ : i tị ̅ ươ Áp Dụn N ể Tính ̅ từ i t ị ̅ t t c ̅ ụ ô ô 11) ta ph i áp dụng t t 11), ̅ function[delta_sound]=test_NCG(Mt,delta_sc_t,ni,RRE,gama) [n1,n2]=size(Mt); b=Mt'*delta_sc_t; x=b; r=b; delta_sound=zeros(n2,1); %delta_sound=zz; for i=1:ni q=Mt*x; %alpha=transpose(r)*r/(transpose(q)*q+gama*transpose(x)*x); alpha=r'*r/(q'*q+gama*x'*x); %s=transpose(Mt)*q; s=Mt'*q; r_update=r-alpha*(s+gama*x); %beta=(transpose(r_update)*r_update)/(transpose(r)*r); beta=(r_update'*r_update)/(r'*r); delta_sound=delta_sound+alpha*x; x=r_update+beta*x; r=r_update; %e=sum(abs(delta_sc_t))/sum(abs(p_sc_exact_t)); temp=delta_sc_t-Mt*delta_sound; e=temp'*temp/(delta_sc_t'*delta_sc_t); %tol=delta_sc_t'*delta_sc_t/(p_sc_exact_t'*p_sc_exact_t) if e

Ngày đăng: 10/01/2018, 10:08

Từ khóa liên quan

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan